-
Patent Agency Ranking
公开(公告)号：CN117116408B
公开(公告)日：2024-01-26
申请号：CN202311384445.X
申请日：2023-10-25
Applicant: 湖南科技大学
IPC: G16H10/60 , G06F16/33 , G06F40/211 , G06N3/096 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种面向电子病历解析的关系抽取方法，包括如下步骤：步骤S1，训练教师模型：分别将句子袋级数据和句子级数据输入教师模型进行训练，计算教师知识，采用反向传播方法训练教师模型，更新教师模型参数，完成教师模型的训练；步骤S2，训练学生模型：将句子级数据输入学生模型进行训练，采用反向传播方法和教师模型监督两种结合训练学生模型，更新学生模型参数，完成学生模型的训练；步骤S3，进行关系抽取：基于教师模型和学生模型构建多级知识蒸馏关系抽取模型，实现关系抽取。优点是，本发明采用句子级数据和句子袋级数据分别进行句级训练和袋级训练，并构建了多层级知识蒸馏监督获取教师知识，保证了教师知识的准确性和精确性。(56)对比文件Z.Y. ZHANG 等.Distilling Knowledgefrom Well-formed Soft Labels for NeuralRelation Extraction《.The Thirty-ForthAAAI Conference on ArtificialIntelligence》.2020,第9620-9627页.Z.X. YE, Z.H, LING.DistantSupervision Relation Extraction withIntra-Bag and Inter-Bag Attentions.《Proceedings of NAACL-HLT 2019》.2019,第2810-2819页.
-
公开(公告)号：CN106020922B
公开(公告)日：2019-01-08
申请号：CN201610370406.8
申请日：2016-05-30
Applicant: 湖南科技大学
IPC: G06F8/41
Abstract: 用跳转目标基本块的执行包填充空闲节拍的指令调度方法，包括如下步骤：步骤一，在代码流图中找出与进行跨基本块选择执行包填充空闲节拍操作有关的目标基本块对；步骤二，对跳转目标基本块内的指令执行包进行前驱执行包判定，即判定该执行包内各指令所依赖的其他指令，即被依赖指令所在的执行包及其位置，并根据指令之间的依赖关系确定该执行包的可执行最早时间对应的节拍；步骤三，根据各个指令执行包可执行最早时间对应的节拍与基本块内空闲节拍的位置关系，计算出各指令执行包各自对应的可填充最早时间，移动这些执行包到对应的空闲节拍处，完成填充。
-
公开(公告)号：CN106020922A
公开(公告)日：2016-10-12
申请号：CN201610370406.8
申请日：2016-05-30
Applicant: 湖南科技大学
IPC: G06F9/45
CPC classification number: G06F8/443
Abstract: 用跳转目标基本块的执行包填充空闲节拍的指令调度方法，包括如下步骤：步骤一，在代码流图中找出与进行跨基本块选择执行包填充空闲节拍操作有关的目标基本块对；步骤二，对跳转目标基本块内的指令执行包进行前驱执行包判定，即判定该执行包内各指令所依赖的其他指令，即被依赖指令所在的执行包及其位置，并根据指令之间的依赖关系确定该执行包的可执行最早时间对应的节拍；步骤三，根据各个指令执行包可执行最早时间对应的节拍与基本块内空闲节拍的位置关系，计算出各指令执行包各自对应的可填充最早时间，移动这些执行包到对应的空闲节拍处，完成填充。
-
公开(公告)号：CN117116408A
公开(公告)日：2023-11-24
申请号：CN202311384445.X
申请日：2023-10-25
Applicant: 湖南科技大学
IPC: G16H10/60 , G06F16/33 , G06F40/211 , G06N3/096 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种面向电子病历解析的关系抽取方法，包括如下步骤：步骤S1，训练教师模型：分别将句子袋级数据和句子级数据输入教师模型进行训练，计算教师知识，采用反向传播方法训练教师模型，更新教师模型参数，完成教师模型的训练；步骤S2，训练学生模型：将句子级数据输入学生模型进行训练，采用反向传播方法和教师模型监督两种结合训练学生模型，更新学生模型参数，完成学生模型的训练；步骤S3，进行关系抽取：基于教师模型和学生模型构建多级知识蒸馏关系抽取模型，实现关系抽取。优点是，本发明采用句子级数据和句子袋级数据分别进行句级训练和袋级训练，并构建了多层级知识蒸馏监督获取教师知识，保证了教师知识的准确性和精确性。
-
公开(公告)号：CN119990297A
公开(公告)日：2025-05-13
申请号：CN202510208399.0
申请日：2025-02-25
Applicant: 湖南科技大学
IPC: G06N5/025 , G06N5/022 , G06F16/36 , G06F18/20 , G06F18/2415 , G06F18/25 , G06F40/295 , G06F40/30 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及数据处理技术领域，公开了基于大模型生成和知识图谱集成的多模态关系抽取方法，包括以下步骤：首先，利用大语言模型对图像生成描述，构建图像图，同时对文本进行解析，构建文本图，并基于标注实体链接知识图谱，构建知识图谱子图。然后，以标注实体为锚点，通过相似度计算将三者拼接，形成统一联合图，并利用图信息瓶颈技术和GCN优化图结构，提取并融合多模态特征，从而提高关系抽取的准确性和处理效率。通过多模态数据融合，显著提高了关系抽取的准确性和处理速度。利用图信息瓶颈技术和图卷积网络对图结构进行优化，消除了冗余信息，从而有效地提取和融合多模态数据中的语义特征。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
